掌握上下文工程：构建更好的 AI Agent 系统

上下文工程不是提示词工程。提示词工程打磨指令；上下文工程管理进入 Agent 上下文窗口的一切：系统提示、工具定义、检索文档、对话历史与工具输出。上下文窗口在变大，但模型注意力并未同比例提升，因此「放进上下文什么」本身成了一项技能。

muratcankoylan/agent-skills-for-context-engineering 提供 14 个 Skill，教你的 AI Agent 如何为生产系统设计、优化与评估上下文。

14 个 Skill 概览

每个 Skill 控制在 500 行以内以优化上下文表现，采用渐进披露：启动时只加载名称与描述，相关任务触发时才拉取全文。

安装

# Claude Code 插件市场
claude plugin marketplace add muratcankoylan/Agent-Skills-for-Context-Engineering
claude plugin install context-engineering@context-engineering-marketplace

# 或手动安装单个 Skill
mkdir -p .claude/skills
curl -o .claude/skills/context-fundamentals.md \
  https://raw.githubusercontent.com/muratcankoylan/Agent-Skills-for-Context-Engineering/main/skills/context-fundamentals/SKILL.md

实战：诊断上下文退化

长会话后 Agent 输出质量下降：变泛化、忘记早期指令、自相矛盾。

诊断 Agent 在 20+ 轮编码会话后为何失焦。
用 context degradation 模式找出根因。

context-degradation Skill 识别四种失败模式：

1. Lost-in-middle：长上下文中忽略中间信息
2. Context poisoning：错误工具输出污染后续推理
3. Attention distraction：过多活跃 Skill 争抢注意力
4. Context clash：不同来源的指令互相矛盾

Skill 会按每种模式给出诊断问题与修复策略。

实战：设计多 Agent 系统

多个 Agent 协作完成一项任务。

为自动化代码评审流水线设计多 Agent 架构：
一个读 diff，一个查安全问题，一个验证测试，编排者汇总结论。

multi-agent-patterns Skill 涵盖三种架构：

• 编排者模式：中央协调器分派任务给工作者
• 点对点：Agent 通过共享状态直接通信
• 层级式：管理者再委派给子管理者

代码评审流水线最适合编排者模式。Skill 会帮你定义通信协议、错误处理与 Agent 间上下文共享。

实战：为成本优化上下文

使用昂贵模型且上下文很大，希望在尽量不损质量的前提下减 token。

分析我的 Agent 上下文用量，推荐在保持输出质量的同时压缩 token 的策略。

context-compression Skill 涵盖：

• 对话历史的摘要压缩
• 全量文档加载改为选择性检索
• 工具输出截断策略
• Skill 内容的渐进披露

技巧

• 使用架构或优化类 Skill 前，先读 context-fundamentals。
• evaluation 与 advanced-evaluation（LLM-as-a-Judge）搭配，可衡量上下文改动是否真提升表现。
• 仓库中的 digital-brain-skill 示例展示 14 个 Skill 如何落地到真实产品（个人操作系统，6 模块、4 自动化脚本、渐进加载）。

何时不必使用

若只做简单单轮交互可跳过。上下文工程在会话长、使用工具或多 Agent 协作时才有价值；基础聊天机器人用提示词工程即可。

更多 Agent 架构类 Skill 见 SkillMap 排行榜。